加权最小二乘融合技术在主动侧杆中的应用

针对主动侧杆伺服跟踪系统中角位移传感器(rotary variable differential transformer,RVDT)和旋转变压器去除噪声的问题,提出一种加权最小二乘(weighted least squares,WLS)算法。以主动侧杆系统为研究对象,在最小二乘算法、递推最小二乘算法的基础上,对主动侧杆伺服跟踪系统进行分析,通过最小二乘算法、递推最小二乘算法、加权最小二乘算法融合算法进行仿真。通过对比3种融合算法的仿真结果,结果证明:该算法使伺服系统获得了更精确的位置信息,具备去除噪声的优越性以及可行性。

LSFR算法在多传感器分布式检测中的优化研究

在多传感器分布式检测系统中,常规融合规则算法要求传感器误差概率已知,且系统中传感器和融合中心同时优化存在一定困难。提出最小二乘融合规则(LSFR)算法,算法不依赖噪声环境稳定性以及传感器的虚警概率与检测概率,融合中心根据各个传感器的硬决策,得到全局的硬决策,并在传感器和融合中心处理达到最优时,获得最佳全局性能。仿真结果表明:对比似然比融合决策算法与Neyman Pearson融合规则(NPFR)算法,LSFR算法全局检测概率显著提高,且在不同数量规模传感器和更多类型的分布式检测系统中具有较好兼容性。

一发多收MIMO雷达的目标关联特性

一发多收MIMO雷达结合了集中式和分布式MIMO雷达的工作特点,兼有两种模式的性能优势。接收站可以独立测得发射站角度信息,存在信息冗余,通过加权最小二乘融合可得到高精度的定位结果,这将会使目标关联的结果更加精确。基于T/R-R模式一发双收MIMO雷达,分析了MIMO雷达目标关联的性能,建立了概率模型,推算了正确关联概率和错误关联概率,数值计算和蒙特卡洛仿真结果显示了模型的正确性。最后通过与普通相控阵雷达比较,验证了一发多收MIMO雷达目标关联的性能优势。